Nghiên cứu chẩn đoán Anomali trong Tự động hóa Tòa nhà thông qua Các kỹ thuật Học máy
Exploring Anomaly Detection in Building Automation Through Machine Learning Techniques
Tác giả: Robin Lyttbacka, Ray Pörn, Lauri Westerholm
Ngày đăng tải: 12/01/2024
Luận văn này nhằm phân tích và cải thiện phương pháp phát hiện dị thường cho quy trình thông gió trong tự động hóa tòa nhà. Mục tiêu cuối cùng của luận văn là phát triển một phương pháp phát hiện dị thường chính xác hơn so với phương pháp trước đây được sử dụng cho cùng mục đích.
Phương pháp phát hiện dị thường được phát triển tại Fidelix, một công ty cung cấp các giải pháp tự động hóa tòa nhà. Fidelix có một dịch vụ gọi là Flow_how và dữ liệu được thu thập từ dịch vụ Fidelix Flow_how đã được sử dụng để phát triển phương pháp phát hiện dị thường.
Phần lý thuyết mô tả cách thức hoạt động của quy trình thông gió và cách triển khai quy trình này trong hệ thống tự động hóa tòa nhà. Bên cạnh đó, luận văn còn thảo luận về các loại phương pháp phát hiện dị thường khác nhau và các phương pháp học máy khác nhau. Các phương pháp phát hiện dị thường đã được sử dụng và phân tích bao gồm LSTM (Long Short Term Memory – Bộ nhớ dài hạn), Kmeans, Isolation Forest (Rừng cách ly) và thư viện học máy Python có tên Pycaret.
Kết quả của luận văn là một phương pháp phát hiện dị thường chính xác hơn so với phương pháp trước đây. Phương pháp mới này cũng nhanh hơn phương pháp cũ. Hiện tại, phiên bản cũ vẫn đang được sử dụng. Phương pháp được phát triển trong luận văn này có sẵn để sử dụng trong tương lai.
Link: theseus
